ESTIMAÇÃO DA ALTURA DE PLANTIOS FLORESTAIS DE EUCALIPTO POR REGRESSÃO E REDES NEURAIS ARTIFICIAIS

O dia 12 de julho marca o Dia do Engenheiro e da Engenheira Florestal no Brasil, data que reforça o compromisso com a conservação ambiental, o uso responsável dos recursos naturais e o desenvolvimento sustentável. Neste ano de 2025, a Engenharia Florestal brasileira celebrou 65 anos desde a criação do primeiro curso em 1960, consolidando-se como profissão essencial para o equilíbrio entre produção e conservação, sobretudo diante do cenário de mudança do clima. Ao longo de sua trajetória no país, a Engenharia Florestal evoluiu para acompanhar os desafios de um mundo em constante mudança, integrando técnicas tradicionais a tecnologias inovadoras, mantendo como essência o cuidado com as florestas e a produção sustentável. Os desafios atuais envolvem conciliar o manejo sustentável de paisagens produtivas com a conservação da biodiversidade, enfrentamento da crise climática, atendimento do mercado de créditos de carbono e a promoção do uso múltiplo das florestas de forma técnica, ética e socialmente inclusiva. O mercado de trabalho segue diversificado, abrangendo consultorias, indústria, pesquisa, setor público, docência, gestão de unidades de conservação e projetos de restauração florestal. As perspectivas para a profissão são promissoras, em ano de COP-30 (Conferência das Nações Unidas sobre as Mudanças Climáticas) a ocorrer no país, a carreira se mantém ainda mais consolidada e como área estratégica para o Brasil e para o mundo, formando profissionais capazes de construir soluções que garantam a sustentabilidade, a segurança hídrica e a manutenção das florestas, reafirmando o papel da Engenharia Florestal para os desafios do presente e no futuro.

This study estimated biomass and carbon from components, future carbon values ​​and to obtain economic productive value of carbon fixation of a Seasonal Semideciduous Forest. Biomass and carbon were estimated using adjusted equations and selected using regression statistics. The prognosis of the diametric distribution was performed using the movement ratio method. In the economic evaluation, it was estimated productive value of the stand, referring to the current and future carbon fixation capacity. The coefficients of determination (adjusted R²) of the equations ranged from 0.11 to 0.90 and the standard error of the estimate (Syx) ranged from 41.53% to 141.89% for the biomass of the components, and from 0.03 to 0.87 for adjusted R² and from 46.20% to 143.64% for the error, for stored carbon in the components. The total biomass of the tree component estimated was 56.25 t ha-1 and 25.88 t ha-1 of total carbon. Using the future distributions by the method of the ratio of movements, total stored carbon (aerial + roots) estimated was 14.44 t. ha-1 over the 20-year period. The productive value for the fragment reached R$ 299.95 per ha. year-1.

The objective of this work was to model the diametric growth of Melia azedarach trees, in the region of Campanha, state of Rio Grande do Sul. 31 trees that showed no signs of pruning were randomly selected. Three increment borers per tree were removed, the first being 30 cm from the ground for age development and the other two orthogonal at 1.3 m (dbh) for growth analysis. Linear models with and without intercept were fitted to estimate the diameters with bark (y) as a function of the diameter without bark (x), using several transformations of the independent variables (x). In the modeling, the stepwise method was used for variable selection, being kept in the models only as a variable with the highest adjusted R² and with a significant F value at 5%. Next, multicollinearity was resisted through the variance survival value (VSV), being kept in the models only as the most significant variables by the t-test and with VSV less than 10. The selection of the best ones considered was based on the Standard Error of Estimation in percentage (Syx%), Coefficient of Determination adjusted (adjusted R²) and, in the case of diametric growth lines, the Akaike Information Criterion (AIC) was also used. The species presents moderate to fast growth and reaches sufficient dimensions for the production of wooden parts for joinery and carpentry. Among the medications used to describe diametric growth, the Chapman-Richards medication presented the best result, with statistics that allow its safe use under the conditions of this study.

O Cerrado brasileiro, reconhecido como a savana mais biodiversa do globo, apresenta-se, paradoxalmente, entre os biomas mais severamente impactados por atividades antrópicas, sobretudo pela expansão agropecuária e pela degradação de seus recursos naturais. Nesse contexto, este estudo tem por objetivo analisar, sob a perspectiva bibliométrica, a produção científica sobre o uso e a ocupação do solo no bioma Cerrado, com ênfase nos estados do Tocantins e da Bahia, a fim de delinear seus contornos epistemológicos, identificar lacunas e subsidiar agendas de pesquisa orientadas à sustentabilidade. A metodologia adotada fundamenta-se em princípios da bibliometria aplicada às ciências ambientais, articulando técnicas de análise estatística, redes de coautoria e mineração de palavras-chave. Os procedimentos envolveram a coleta sistemática de metadados nas bases de dados Web of Science e Scopus, seguida de uma depuração criteriosa para eliminação de duplicidades e irrelevâncias temáticas. Em seguida, os dados foram organizados e analisados por meio de scripts no ambiente estatístico R, possibilitando a construção de uma base bibliográfica consolidada. Foram elaboradas análises quantitativas e qualitativas, incluindo métricas de produtividade, impacto e colaboração, além da identificação dos principais temas, atores e instituições envolvidos. Os resultados apontam um crescimento expressivo da produção científica, especialmente após 2015, acompanhado por um amadurecimento qualitativo das agendas de pesquisa, evidenciado na emergência de núcleos autorais consolidados e redes institucionais robustas destacando-se a Universidade de Brasília e a Universidade Federal do Tocantins. Identificou-se, ainda, uma forte ênfase em temas como desmatamento, conservação e vulnerabilidade ecológica, refletidos nas palavras-chave mais recorrentes. Contudo, observou-se um impacto internacional ainda limitado, sugerindo a necessidade de maior inserção em periódicos de prestígio e fortalecimento das redes de cooperação transnacional. A análise das redes de coautoria revelou um campo colaborativo segmentado, característico de áreas em consolidação. Este estudo, portanto, contribui para uma compreensão abrangente das dinâmicas científicas sobre o Cerrado e sinaliza estratégias para seu fortalecimento e internacionalização.

The estimation of total tree height is a fundamental step in forest inventories, being essential for quantifying timber stock and supporting management planning in planted forests. However, direct measurement of this variable requires considerable operational effort and is usually performed only on subsamples, making it necessary to use hypsometric models to estimate the height of remaining trees. In this context, the present study aimed to configure, train, and validate regression models and machine learning algorithms to estimate the total height of individual trees in Eucalyptus spp. plantations located in Lavras do Sul, Rio Grande do Sul, Brazil. Two areas with different ages (12 and 15 years) were analyzed, totaling 395 trees measured for diameter at breast height (DBH) and total height. Logarithmic and N¨aslund models were fitted, along with Random Forest and Artificial Neural Network algorithms, using data partitioning into training (80%) and validation (20%) datasets. Model performance was evaluated using root mean square error (RMSE), percentage bias (BIAS), and coefficient of determination (R²). For the overall dataset, the logarithmic model showed the best predictive performance. In the 12-year-old stand, the N¨aslund model presented better results, whereas in the 15-year-old stand, the Artificial Neural Network achieved superior performance. Overall, all tested techniques demonstrated satisfactory performance for total height estimation, indicating that regression methods remain efficient and operationally simpler, while machine learning algorithms tend to provide advantages for larger and more complex datasets. The integration of traditional statistical approaches and artificial intelligence represents a promising alternative for advancing forest modeling.